关键词： 梨树   高光谱   机器学习   深度学习   养分含量  

摘要： 为了实现梨树生长和结果时期对于梨树养分的精准和及时地监测,进一步为梨树施肥管理及梨果品质提升提供保障和调整策略,养分监测十分重要。使用ASD FieldSpec3高光谱仪获取梨树果实膨大期和成熟期的叶片高光谱数据,采集叶片氮磷钾含量信息。对比分析原始反射率、一阶导数变换(FD)、卷积平滑算法(SG)、标准正态变量变换法(SNV)等光谱预处理方法对于高光谱反射率监测模型拟合效果的影响。利用主成分分析(PCA)、竞争自适应重加权抽样(CARS)和连续投影算法(SPA)选择高光谱数据的特征波段。之后,使用偏最小二乘法回归(PLSR)、支持向量回归(SVR)、随机森林(RF)、梯度提升树(GBDT)、卷积神经网络(CNN)、深度森林(DF)算法建立基于特征波段的监测模型,筛选梨树氮磷钾3种营养元素的最优高光谱监测模型。结果表明,深度学习算法DF具备较好的处理高光谱数据的能力。氮元素的最佳建模组合为SG-SNV预处理的PCA特征波段的DF回归模型(R^(2)=0.9283,RMSE=0.2381 g·kg^(-1));磷元素的最佳建模组合为SG-SNV预处理的SPA特征波段的GBDT回归模型(R^(2)=0.9367,RMSE=0.0431 g·kg^(-1));钾元素的最佳建模组合为SG-SNV预处理的PCA特征波段的DF回归模型(R^(2)=0.9544,RMSE=0.2767 g·kg^(-1))。基于高光谱特征波段的监测模型拟合效果良好(R^(2)>0.9),可以实现梨树果实膨大期和成熟期氮磷钾含量的准确监测。

关键词： 新工科   智能建造   材料力学   人工智能  

摘要： 为了让智能建造专业的学生更好地掌握专业相关课程内容和工程实践方法,专业核心课程需要适时调整教学方法,融入智能元素,使学生具备创新思维和掌握土木工程智能化设计和施工的基本技能。以材料力学课程为例,以提升新工科背景下智能建造专业学生的综合能力为目标,阐述了如何在该课程中通过智能元素逐步渗透的教学模式,探索和实践新工科理念下智能建造专业课程教学的新方法。

关键词： 人工智能   智慧海洋  

摘要： 智慧海洋探索涉及海洋资源利用、海洋环境保护等各个方面,为更好地提升智慧海洋建设的实效,需要将人工智能技术融入其中,探索智慧海洋建设的新思路和技术措施。本文将结合智慧海洋的发展情况进一步分析,探讨人工智能技术在智慧海洋建设中的应用,了解二者结合的意义,明确注意事项,以期为相关人员提供参考。

关键词： 生物力学   人工智能   圆锥角膜   诊断  

摘要： 角膜生物力学特性已被证明在维持角膜的正常结构、检测扩张性疾病的发生和发展、青光眼筛查、屈光手术的评估等方面均具有重要作用。人工智能作为一种重要的辅助工具,已被广泛应用于医学、生物学等领域。目前,圆锥角膜诊断标准不一,早期圆锥角膜的发现和诊断更为困难,对眼科医师,尤其是屈光医师的临床诊治提出了挑战。近年来,人工智能技术在圆锥角膜领域中的应用日益增多,取得了诸多进展,本文对近年来基于角膜生物力学特性智能诊断早期圆锥角膜的研究进展进行综述,主要包括基于眼反应分析仪诊断早期圆锥角膜、基于可视化角膜生物力学分析仪诊断早期圆锥角膜和基于角膜生物力学特性应用人工智能诊断早期圆锥角膜的研究进展等,旨在使临床医师深入了解角膜生物力学特性在提高早期圆锥角膜诊断效率等方面的潜在价值,以期辅助提高早期圆锥角膜的智能化诊疗水平。

关键词： 光传送网络   时延估算   机器学习  

摘要： 【目的】为满足时延敏感型应用场景对时延数据的时效性、准确性和完整性要求,需要实现光传送网络(OTN)端到端业务时延估算。【方法】文章分析了OTN业务的传输特点,根据子网连接采集业务路由信息,并将业务路由中的网元(NE)、链路和交叉等基础数据离散化,得到时延估算的特征变量,提出了基于工程现网数据的时延估算模型,并采用多种机器学习算法进行了仿真比较。【结果】基于支持向量机回归(SVR)和决策树回归的时延预测结果的平均绝对百分比误差(MAPE)分别为3.3628%和1.2849%。【结论】文章基于机器学习、结合OTN业务传输特点提出的OTN业务时延估算方法准确性高,具有广泛的应用场景。

关键词： 柑橘产量   无人机   多光谱   机器学习   SHAP  

摘要： 为了准确、快速地预测柑橘产量以准确指导果园生产管理,通过大疆多光谱版无人机获取柑橘果实成熟期的遥感影像数据,并从图像中提取了可见光和多光谱波段指数作为特征变量,采用极端梯度提升(eXtreme gradient boosting,XGB)、随机森林(Random forest,RF)以及支持向量机(Support vector machine,SVM)模型分别构建柑橘果实有无分类模型、果实数量和质量估测模型。结果表明:通过XGB模型对特征变量进行筛选分析,柑橘果实有无的分类中超红指数ExR最重要,而数量和质量的估测中改进超绿指数MExG最重要。组合建模中3个模型均在组合4的情况下精度较好。对于分类模型,最优模型为SVM模型(AUC为0.969,准确率为0.919),而对于数量和质量估测模型,最优模型为XGB模型(数量:R^(2)=0.79,RMSE为466个;质量:R^(2)=0.79,RMSE为19.51 kg)。最后利用Shapley additive explanations(SHAP)方法揭示了植被指数特征在产量估测模型构建时的重要性,并阐明了SHAP值排在前四的特征交互影响。本研究结果可为无人机遥感在柑橘产量方面的研究提供应用参考和理论依据。

关键词： 结构优化   机器学习   图像聚类   耐撞性  

摘要： 耐撞性优化是实现车辆更好被动安全保护性能的有效途径,但目前的优化都专注于数值型响应的提升,而忽略了变形模式这一类别型响应的控制。关键部件的变形模式关乎车辆传力路径设计是否有效,如果不理想的变形模式出现在优化解中,则无法保证优化结果的有效性。为此,本研究提出了基于机器学习的变形模式控制优化方法,以实现在提升耐撞性指标的同时保证优化解中的样本均以理想模式变形。结构变形以图片形式进行数据表示,利用深度学习自编码提取变形特征并进行聚类识别不同的变形模式,然后对识别出的变形模式和数值型响应均建立基于Light Gradient Boosting Machine (LightGBM)的机器学习预测模型,最后在机器学习预测模型上开展优化求解。使用整车正碰案例对提出的机器学习优化方法进行验证,结果显示该优化方法在提升耐撞性数值响应的同时保证了纵梁以理想模式变形。本研究展示了机器学习在提升结构优化有效性方面的前景。

关键词： 经济预测   时间序列模型   混频模型   机器学习模型  

摘要： 经济预测是运用数学和统计方法分析未来经济趋势的重要学科,旨在提高对经济发展的科学认识。目前,经济预测方法主要分为定性预测和定量预测,实际应用中以定量预测为主。经济预测在现代社会中扮演着至关重要的角色,然而当前经济预测领域面临着一系列挑战和机遇,这些挑战和机遇共同塑造了经济预测的复杂性和必要性。本文将通过概述时间序列模型、混频模型以及机器学习模型中一些典型模型的构建过程以及具体的应用场景,旨在为经济预测实践提供参考。

关键词： 智能制造   机电   双师队伍  

摘要： 智能制造产业的快速发展对机电类专业双师队伍提出了更高的要求,文章深入分析了当前机电类专业双师队伍所面临的现实状况与多重挑战,明确指出现有机电类专业双师队伍存在的突出问题。针对问题提出了具有针对性的建设思路,在师资队伍的能力方面,提出要产教高度融合,提倡教师要不断更新知识体系和教学方法,以适应智能制造产业快速发展的需求,从而培养出具备高素质和创新能力的专业人才。在建设规范上,明确了双师队伍的认定标准,从优化双师型队伍结构、明确认定标准、完善评价体系、产业链深度融合、专业能力提升等方面提出了相应的建设措施。这些举措的实施,不仅有助于提升机电类双师型教师队伍的整体水平,更将有效提高教育教学的质量和效益,为机电类专业教育的改革与发展提供坚实的师资保障和有力支持。

关键词： 人工智能   企业   财务会计   发展  

摘要： 随着信息技术的飞速发展,人工智能技术也更加成熟完善,对各行各业都带来了深远影响,尤其是财务会计领域。在过去,财务会计主要是负责编制财务报表、核算成本利益等工作,现如今,企业管理越来越规范化,使得财务会计的职责也有所改变,即为管理层提供更准确可靠的数据便于后期决策的制定。在人工智能技术的应用下,财务会计可在短时间内厘清复杂海量的财务数据,完成对数据的快速处理和精准预测,使企业管理者能对当前最新的市场动向有所了解,从而能够抓住机遇,促进企业稳健发展。